การจำแนกภาพด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN Image Classification)
การจำแนกภาพด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) ใช้สถาปัตยกรรมคอนโวลูชันเชิงลึก เช่น ResNet (He et al., 2016), VGG และ EfficientNet (Tan & Le, 2019) เพื่อจัดเรียงภาพออกเป็นหมวดหมู่ เลเยอร์คอนโวลูชันที่ซ้อนกันจะเรียนรู้ลำดับชั้นของคุณลักษณะภาพโดยตรงจากพิกเซล และการเชื่อมต่อแบบข้าม (residual) จะช่วยป้องกันปัญหา vanishing-gradient ในโครงข่ายประสาทเทียมที่ลึกมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- He, K., Zhang, X., Ren, S. & Sun, J. (2016). Deep Residual Learning for Image Recognition. CVPR. DOI: 10.1109/CVPR.2016.90 ↗
- Tan, M. & Le, Q.V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ICML, PMLR 97, 6105–6114. arXiv:1905.11946. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Convolutional Neural Network Image Classification (ResNet / VGG / EfficientNet). ScholarGate. https://scholargate.app/th/deep-learning/cnn-image-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- เครือข่ายคอนโวลูชันแบบขยาย (Dilated CNN)การเรียนรู้เชิงลึก↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- Support Vector Machineการเรียนรู้ของเครื่อง↔ compare
- TextCNNการเรียนรู้เชิงลึก↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare